Comparte
En los últimos años hemos escuchado con gran intensidad la importancia de la Big Data para la toma de decisiones en las empresas, construir modelos estratégicos, para la creación de nuevas estrategias de marketing y ventas, e incluso aquellos más osados los han incluido en la construcción del ciclo de vida de un nuevo producto. Tanto ha sido su crecimiento que hemos llegado a escuchar “todos hablan de big data pero aún así pocos la entienden”.
Gracias a las nuevas capacidades tecnológicas, las empresas han podido recolectar una gran cantidad de información sobre los usuarios, sus actividades, compras, gustos y preferencias, tiempo en la web, entre otros. La Big Data permite el procesamiento de volúmenes de datos de forma rápida y precisa. El gran reto, es encontrar esos datos de valor entre tanta información.
La Big Data nos ayuda a responder preguntas de forma cuantitativa, centradas en el qué cómo, cuándo y dónde. Sin embargo, estos datos se centran en respuestas intrínsecas frente a las actividades de un consumidor o un grupo de personas, pero no nos responde la pregunta que le da valor y sentido a todas esas respuestas, el por qué.
Por qué las personas hacen lo que hacen: ¿por qué hoy compraron un producto y no el otro?, ¿por qué las ventas cayeron? estas preguntas solo las responde el contexto, y al hablar de contexto, es inevitable no mencionar el Thick Data.
Thick Data también es hablar de datos, pero centrados en llenar los vacíos que el big data no puede responder, son esos datos cualitativos que nos cuentan por qué el consumidor hace lo que hace, por qué escoge un determinado producto o se suma a una tendencia y no otra.
A pesar de que el Big Data nos ofrece diferentes variables para identificar patrones a un a menor costo; es la Thick Data la que analiza las relaciones y tendencias en el contexto social de las personas.
Uno de los casos más famosos de Thick Data, sucedió alrededor del 2004 y salvó a la conocida empresa Lego de caer en bancarrota. Los años 2000 representaron el inicio de nuevos cambios y con esto la transformación de la cultura y nuevos comportamientos sociales surgieron, como el poco tiempo que tenían los niños para jugar; afectando la percepción de compra de los famosos juguetes.
A pesar de la cantidad de datos que poseía la empresa, fue gracias un estudio antropológico cargado de datos cualitativos y que demoró algunos meses, lograron darle la vuelta al insight inicial, transformándolo y acercándose sin saberlo a la propia esencia de la marca “diversión resolviendo problemas complejos”. En dicho, estudio se dieron cuenta que de que los niños si tenían tiempo para jugar, además que se comportan de forma diferente cuando jugaban solos o en compañía de sus padres. No todos los niños, eran amantes constructores de legos pero lo que sí lo eran, querían seguir retándose, para convertirse en expertos. De este estudio, Lego volvió a los ladrillos.
En lo personal considero que la Thick Data es volver un poco al inicio, al momento en donde el desarrollo de software y su tecnología no eran proveedores de datos masivos; cuando en su momento aún no sabían el alcance de lo que podría lograr. Es volver un poco a las metodologías de mercado tradicionales que aún se consideraban útiles y no arcaicas, largas y aburridas. Al hablar de Thick Data, hablamos de un enfoque cualitativo a través de las herramientas que hoy todos conocemos: encuesta, entrevista, observación, grupos focales, entre otros.
Por su parte, la Big Data que generalmente conocemos, está ligada a comportamientos digitales como: clics, visualizaciones, compra online, registro de formularios, entre otros. A pesar de la gran cantidad de datos que recolectamos, sigue siendo insuficiente conocer al consumidor de una forma cultural. Por esto, ver ambos enfoques por separado, es solo conocer la mitad de una historia, juntos nos llevan atar los cabos sueltos de cualquier momento, tendencia, investigación, mercado, servicio, producto, etc.
Las nuevas exigencias de los mercados, junto a la acelerada digitalización, nos han llevado a descubrir diferentes formas de procesar, consumir, analizar, interpretar los datos. Hoy podemos encontrarnos con Big Data, Medium Data, Small Data, Thick Data, Antropología 2.0 e incluso nuevos roles laborales, como Data Driven, Business Intelligence, Data Scienst, entre otros.
No obstante, la magia de cualquier data cae en la adecuada interpretación, depuración y en el análisis exhaustivo de mentes inquietas que se preguntan, ¿qué más hay aquí?. La respuesta siempre será ambigua con diferentes caminos, todos ellos exploratorios y uno que otro asertivo.
